python - 从长度不均匀的字典创建熊猫数据框
问题描述
对于字典:
d = {
"a": [1],
"b": 2,
"c": [[7, 8, 9], ["a", "b", "c"], [9, 10, 11]],
"d": None,
}
我想实现这个数据框:
pd.DataFrame({"a": [[1], [1], [1]],
"b": [2, 2, 2],
"c": [[7, 8, 9], ["a", "b", "c"], [9, 10, 11]],
"d": [None, None, None]})
a b c d
0 [1] 2 [7, 8, 9] None
1 [1] 2 [a, b, c] None
2 [1] 2 [9, 10, 11] None
基本上,列应该复制自己,直到最长列的长度。
我知道在 R 中,如果我创建一个类似 with 的数据框NA
来指示我想要复制和使用的行tidyr::fill
,python 中是否有类似的东西?
df = data.frame(
a = c("a", NA, NA),
b = c(1, 2, 3)
)
tidyr::fill(df, a)
a b
1 a 1
2 a 2
3 a 3
解决方案
以下是可能解决方案的示例:
d = {
"a": [1],
"b": 2,
"c": [[7, 8, 9], ["a", "b", "c"], [9, 10, 11]],
"d": None,
}
max_len = max(len(l) if isinstance(l, list) else 1 for l in d.values())
for key in d.keys():
if isinstance(d[key], list):
if len(d[key]) != max_len:
d[key] = np.repeat(d[key], max_len).tolist()
else:
d[key] = np.repeat(np.array(d[key]), max_len).tolist()
结果:
{
'a': [1, 1, 1],
'b': [2, 2, 2],
'c': [[7, 8, 9], ['a', 'b', 'c'], [9, 10, 11]],
'd': [None, None, None]
}
但它显然只适用于特定情况,当除一个之外的所有列都只有一个元素时。为了解决这个任务,通常还应该指定如何处理不同长度的列:是否应该重复整个列并在最后一次迭代时修剪剩余的列,或者应该只重复第一个/最后一个值,或者其他一些方法。